Por que construir gráficos?

Por que construir gráficos?

Por que construir gráficos?

Construção de gráficos em camadas

O ggplot é um pacote criado pelo Hadley Wickham com o objetivo de operacionalizar a teoria do livro “The Grammar of Graphics” de Leland Wilkinson.

Por que o nome gramática de gráficos?

A ideia básica do ggplot é a de que um gráfico é construído a partir de camadas de elementos, assim como uma frase:

Se os adjetivos, verbos, ou substantivos fossem alterados, o sentido da frase seria totalmente alterado.

A Gramática dos Gráficos

Revisão de Dplyr

Qual é a base a ser utilizada?

A primeira camada é a base de dados utilizada para plotar os gráficos. Obviamente, isso ainda não é suficiente para criar um gráfico

library(tidyverse)
library(rio)

jn <- import("E:\\Curso R\\Aula 3\\jn.xlsx")
ggplot(data=jn)

Aesthetics

A segunda camada (Estética) basicamente consiste em dizer para o R o que vai no eixo X e o que vai no eixo Y

ggplot(data=jn, mapping=aes(x=serv, y=sent))

Aesthetics

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))

Geometria

A terceira camada (Geometria) é a responsável pelos elementos visuais do gráfico

#Usando a geometria de linha
jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = TRUE))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_line()

Geometria

#Usando a geometria de colunas
jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()

Geometria

#Usando a geometria de área
jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_area()

Geometria

#Usando a geometria de pontos
jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_point() + 
  labs(x="Ano", y="Média anual da força de trabalho")

Geometria

#Usando a geometria de texto
jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))
jn1$media <- round(jn1$media, 0)

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_label(aes(label=media))

Geometria

#Usando a geometria de texto
jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))
jn1$media <- round(jn1$media, 0)

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_text(aes(label=media))

Combinando geometrias

#Combinando a geometria de colunas com a de texto
jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))
jn1$media <- round(jn1$media, 0)

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  geom_label(aes(x=ano, y=media, label=media))

Combinando geometrias

#Combinando as geometrias de linhas e pontos

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))
jn1$media <- round(jn1$media, 0)

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_line()+
  geom_point(aes(x=ano, y=media))

Divisão do gráfico

A quarta camada, Facet, permite dividir o gráfico criado a partir de uma terceira variável

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_line()+
  facet_wrap(~justica, scale="free_y") #Escala "livre" permite uma melhor visualização

Divisão do gráfico

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  facet_wrap(~justica, scale="free_y")

Alterando os eixos

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm=TRUE))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_line() + 
  labs(x="Ano", y="Média da força de trabalho")+
  coord_cartesian(ylim=c(0,10000))

Invertendo os eixos

jn1 <- group_by(jn, sigla)
jn1 <- summarise(jn1,media=mean(ftt, na.rm = T))
jn1 <- arrange(jn1, desc(media))
jn1 <- slice(jn1, 1:30)
jn1 <- filter(jn1, !sigla %in% c("TJ", "TRF", "TRT", "TRE"))

ggplot(data=jn1, mapping=aes(x=sigla, y=media))+
  geom_col()+
  coord_flip()

Trocando de coordenadas

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))
jn1 <- filter(jn1, ano==2018)


ggplot(data=jn1, mapping=aes(x=ano, y=media,fill=justica))+
  geom_col()+
  coord_polar(theta = "x") #Eixo que será "angularizado"

Trocando de coordenadas

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))
jn1$media <- round(jn1$media, 2)
jn1 <- filter(jn1, ano==2018)


ggplot(data=jn1, mapping=aes(x=ano, y=media,fill=justica))+
  geom_col()+
  coord_polar(theta="y")

Tipos de temas

Existem três elementos visuais (isto é, que não são dados) que podemos alterar nesta camada usando a função theme():

Tipos de temas

Tipos de temas

Hierarquia

Cada um dos elementos do gráfio pode ser modificado individualmente, por exemplo: Título do gráfico, título do eixo x, linha do eixo y, retângulo da legenda, etc.

Porém, caso se deseje alterar todos os elementos textuais, linhas ou retângulos, podemos utilizar um dos três elementos abaixo:

• text

• line

• rect

Deixando apenas os dados

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  theme(text=element_blank(),
        line=element_blank(),
        rect = element_blank())

Modificando os textos

jn1 <- group_by(jn, sigla)
jn1 <- summarise(jn1,media=mean(ftt, na.rm = T))
jn1 <- top_n(jn1, n=30, wt=media)
jn1 <- filter(jn1, !sigla %in% c("TJ", "TRF", "TRT", "TRE"))

ggplot(data=jn1, mapping=aes(x=sigla, y=media))+
  geom_col()+
  ggtitle("Teste")+
  theme(axis.title = element_text(color = "red", hjust = 0.5, face = "bold", family= "serif"),
        axis.text.x = element_text(color = "black", angle = 45, family="sans"),
        plot.title = element_text(color="blue", face="bold", hjust=0.5, family="serif", size=20))

Modificando as linhas

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  theme(panel.grid = element_line(color="blue", size=2),
        axis.line = element_line(color = "red", size=3))

Modificando os retângulos

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  theme(plot.background = element_rect(fill = "#DDDDDD", color="black",
                                       size=3),
        panel.background = element_rect(fill="white", color="black", size=1))

Temas completos - templates

Se vocês não estão dispostos a mudar cada detalhe dos seu gráfico, podemos usar os templates fornecidos pelo ggplot: classic, dark, grey, bw, light, etc.

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  theme_classic()

Temas completos - templates

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  theme_dark()

Temas completos - templates

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  theme_bw()

Temas completos - templates

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  theme_light()

Temas completos - templates

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  theme_void()

Mudando a cor

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_line(color="red")+
  theme_classic()

Mudando o tamanho

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_line(color="blue", size=3)+
  theme_classic()

Mudando a transparência

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_line(color="blue", size=3, alpha=0.1)+
  theme_classic()

Mudando o tipo de linha

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_line(color="blue", size=3, linetype=2)+
  theme_classic()

Mudando os atributos de colunas

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col(color="black", fill="steelblue", width = 0.2, alpha=0.6)+
  theme_classic()

Mudando os atributos de linhas e pontos

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_line(color="steelblue", size=2,linetype=2)+
  geom_point(aes(x=ano, y=media),color="red", fill="green", size=3, shape=23)

Aumentando as dimensões

Geralmente, precisamos plotar gráficos com mais de 2 duas dimensões. Existem vários argumentos para realizar essa tarefa, como color, group, size, shape, etc.

Obs: Alguns argumentos somente funcionam para alguns tipos de geometrias

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media, color=justica))+
  geom_line()+
  labs(x="Ano", y="Média de força de trabalho", col="Tipo de Justiça")+
  theme_classic()

Aumentando as dimensões

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media, linetype=justica))+
  geom_line()+
  theme_classic()

Aumentando as dimensões

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media, size=justica))+
  geom_line()+
  theme_classic()

## Warning: Using size for a discrete variable is not advised.

Aumentando as dimensões

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media, fill=justica))+
  geom_col()+
  theme_classic()

Aumentando as dimensões

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media, fill=justica))+
  geom_area()+
  theme_classic()

Mudando manualmente as cores

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media, fill=justica))+
  geom_col()+
  scale_fill_manual("Tipo de justiça",
                    values = c("#1B9E77","#D95F02","#7570B3","#E7298A",
           "#66A61E", "#E6AB02","#A6761D"),
                    labels = c("Elec.", "Est.", "Fed.", "M.Est.", "M.União",
           "Sup.", "Trab."))+
  theme_classic()

O que fazer quando há sobreposição

Com frequência, observamos uma sobreposição dos dados da nossa base. Para resolver isso, podemos usar o argumento position dentro da função de geometria

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media_ftt=mean(ftt, na.rm = T)) #várias médias para o mesmo ano

ggplot(data=jn1, mapping=aes(x=ano, y=media_ftt, fill=justica))+
  geom_col(position = "dodge")+
  theme_classic()

O que fazer quando há sobreposição?

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media_ftt=mean(ftt, na.rm = T))

ggplot(data=jn1, mapping=aes(x=ano, y=media_ftt, fill=justica))+
  geom_col(position = position_dodge(width = 1), alpha=0.6)+
  theme_classic()

O que fazer quando há sobreposição?

jn1 <- group_by(jn, ano)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))
jn1$media <- round(jn1$media, 0)

ggplot(data=jn1, mapping=aes(x=ano, y=media))+
  geom_col()+
  geom_text(aes(x=ano, y=media, label=media), position=position_stack(vjust=0.5), color="white")

Paletas de cores

O pacote RColorBrewer fornece paletas de cores que podem ser utilizadas nos gráficos

#install.packages("RColorBrewer")
#library(RColorBrewer)
display.brewer.all()

Paleta para daltônicos

display.brewer.all(colorblindFriendly = TRUE)

Uma paleta específica

display.brewer.pal(n = 8, name = 'Dark2')

Obtendo as cores

brewer.pal(n = 8, name = "Dark2")

## [1] "#1B9E77" "#D95F02" "#7570B3" "#E7298A" "#66A61E" "#E6AB02" "#A6761D"
## [8] "#666666"

Plotly

Caso o output do R seja um HTML, podemos adicionar um pouco de interatividade aos gráficos usando o pacote Plotly

#install.packages("plotly")
#library(plotly)
jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

plot <- ggplot(data=jn1, mapping=aes(x=ano, y=media, fill=justica))+
  geom_col()+
  theme_classic()

ggplotly(plot)

1ª Forma

2ª Forma

jn1 <- group_by(jn, ano, justica)
jn1 <- summarise(jn1, media=mean(ftt, na.rm = T))

plot1 <- ggplot(data=jn1, mapping=aes(x=ano, y=media, fill=justica))+
  geom_col()+
  theme_classic()

#setwd() - Escolhe o diretório

#ggsave("plot1.png", plot=plot1, width = 30, height = 20, units = "cm")
#ggsave("plot1.pdf", plot=plot1, width = 10, height = 30, units = "cm")

Fim